自訂擷取

您可以訓練自訂模型並擷取資料，建立專為文件設計的模型，不必使用生成式 AI。如果您不想使用生成式 AI，並想控管訓練模型的各個層面，這就是理想的選擇。

資料集設定

如要訓練、進階訓練或評估處理器版本，必須使用文件資料集。Document AI 處理器會像人類一樣從範例中學習。資料集可提升處理器效能穩定性。

訓練資料集

如要提升模型和準確率，請使用文件訓練資料集。模型是由包含真值的檔案組成。至少須有三份文件才能訓練新模型。

實際資料是經過人工判定的正確標籤資料。

測試資料集

模型會使用測試資料集產生 F1 分數 (準確率)。這類資料集由含有真值的檔案組成，如要瞭解模型預測正確的頻率，請使用實際資料比較模型的預測結果 (從模型擷取的欄位) 與正確答案。測試資料集至少要有三份文件。

事前準備

如果尚未啟用帳單和 Document AI API，請先啟用。

建構及評估自訂模型

首先，請建構自訂處理器，然後進行評估。

1. 建立處理器並定義要擷取的欄位，這很重要，因為會影響擷取品質。

   注意： 預設處理器為基礎模型。

2. 設定資料集位置：選取預設選項資料夾「Google-managed」(Google 代管)。 建立處理器後，系統可能會在不久後自動執行這項操作。

3. 前往「Build」(建構) 分頁，然後選取「Import Documents」(匯入文件)，並啟用自動加上標籤功能 (請參閱「使用基礎模型自動加上標籤」)。訓練集和測試集中至少需要各 10 份文件，才能訓練自訂模型。

4. 訓練模型：

   1. 選取「訓練新版本」，然後為處理器版本命名。
   2. 前往「顯示進階選項」，然後選取「以模型為準」選項。

   

   注意： 訓練作業需要一段時間才能完成。

5. 評估：

   • 前往「評估與測試」，選取剛訓練的版本，然後選取「查看完整評估」。

   

   • 現在您會看到整份文件和每個欄位的指標，例如 f1、精確度和召回率。
   • 判斷效能是否符合生產目標。如果不符合，請重新評估訓練和測試集，通常是將無法順利剖析的文件新增至訓練測試集。

6. 將新版本設為預設版本。

   1. 前往「管理版本」。
   2. 前往 選單，然後選取「設為預設」。

   

模型已部署完成，傳送至這個處理器的文件現在會使用自訂版本。您想評估模型成效，確認是否需要進一步訓練。

評估參考資料

評估引擎可以執行完全比對或模糊比對。 如要完全相符，擷取的值必須與實際資料完全相符，否則會視為不符。

如果擷取的模糊比對結果有微小差異 (例如大小寫不同)，仍會視為相符。您可以在「評估」畫面變更這項設定。

使用基礎模型自動加上標籤

基礎模型能精準地擷取各種文件類型的欄位，但您也可以提供其他訓練資料，提高模型處理特定文件結構的準確率。

Document AI 會使用您定義的標籤名稱和先前的註解，透過自動加上標籤功能，為大量文件加上標籤。

1. 建立自訂處理器後，請前往「開始使用」分頁。
2. 選取「建立新欄位」。
3. 提供描述性名稱，並填寫說明欄位。您可以透過屬性說明為每個實體提供額外背景資訊、洞察資料和相關知識，以提升擷取準確度和效能。

注意： 良好的屬性說明範例包括位置資訊和屬性值的文字模式，有助於消除文件中潛在的混淆來源，並透過規則引導模型，確保擷取結果更可靠一致，不受特定文件結構或內容變化的影響。

1. 前往「Build」(建構) 分頁，然後選取「Import documents」(匯入文件)。

   

2. 選取文件路徑，以及要將文件匯入哪個集合。勾選自動加上標籤方塊，然後選取基礎模型。

3. 在「Build」(建構) 分頁中，選取「Manage Dataset」(管理資料集)。您應該會看到匯入的文件。選取其中一個文件。

   

現在，模型預測結果會以紫色醒目顯示。

1. 檢查模型預測的每個標籤，確認是否正確。如有缺漏欄位，也請一併新增。

注意： 請盡可能準確填寫所有欄位，否則模型成效可能會影響結果。標籤的詳細說明。

1. 審查完文件後，請選取「標示為已加上標籤」。 模型現在可以使用這份文件。確認文件位於測試或訓練集中。